Анализ продаж видеоигр

Из открытых источников доступны исторические данные о продажах игр, оценки пользователей и экспертов, жанры и платформы (например, Xbox или PlayStation). Вам нужно выявить определяющие успешность игры закономерности. Это позволит сделать ставку на потенциально популярный продукт и спланировать рекламные кампании. Перед нами данные до 2016 года.

Описание данных:

• Name — название игры
• Platform — платформа
• Year_of_Release — год выпуска
• Genre — жанр игры
• NA_sales — продажи в Северной Америке (миллионы проданных копий)
• EU_sales — продажи в Европе (миллионы проданных копий)
• JP_sales — продажи в Японии (миллионы проданных копий)
• Other_sales — продажи в других странах (миллионы проданных копий)
• Critic_Score — оценка критиков (максимум 100)
• User_Score — оценка пользователей (максимум 10)
• Rating — рейтинг от организации ESRB (англ. Entertainment Software Rating Board). Эта ассоциация определяет рейтинг компьютерных игр и присваивает им подходящую возрастную категорию.

Данные за 2016 год могут быть неполными.

Наеобходимо провести работу с данными и определить:

• актуальность платформ
• от чего зависит успешность продажи игры
• составить потрет пользователя по регионам, какие платформы и жанры лучше продаются в каждом регионе
• провести статический анализ и проверить гипотезы.

Ознакомление с данными

!pip install plotly.express

Requirement already satisfied: plotly.express in c:\programdata\anaconda3\lib\site-packages (0.4.1)
Requirement already satisfied: patsy>=0.5 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (0.5.1)
Requirement already satisfied: plotly>=4.1.0 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (5.3.1)
Requirement already satisfied: numpy>=1.11 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (1.19.2)
Requirement already satisfied: scipy>=0.18 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (1.5.2)
Requirement already satisfied: pandas>=0.20.0 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (1.1.3)
Requirement already satisfied: statsmodels>=0.9.0 in c:\programdata\anaconda3\lib\site-packages (from plotly.express) (0.12.0)
Requirement already satisfied: six in c:\programdata\anaconda3\lib\site-packages (from patsy>=0.5->plotly.express) (1.15.0)
Requirement already satisfied: tenacity>=6.2.0 in c:\programdata\anaconda3\lib\site-packages (from plotly>=4.1.0->plotly.express) (8.0.1)
Requirement already satisfied: python-dateutil>=2.7.3 in c:\programdata\anaconda3\lib\site-packages (from pandas>=0.20.0->plotly.express) (2.8.1)
Requirement already satisfied: pytz>=2017.2 in c:\programdata\anaconda3\lib\site-packages (from pandas>=0.20.0->plotly.express) (2020.1)

import pandas as pd
import plotly.express as px
from scipy import stats as st

Для начал прочитаем датасет, и проведём ознакомотильный анализ, посмотрим на строки, загаловки и типы данных.

df = pd.read_csv('games.csv')

df.head(15)

	Name	Platform	Year_of_Release	Genre	NA_sales	EU_sales	JP_sales	Other_sales	Critic_Score	User_Score	Rating
0	Wii Sports	Wii	2006.0	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985.0	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008.0	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009.0	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN
5	Tetris	GB	1989.0	Puzzle	23.20	2.26	4.22	0.58	NaN	NaN	NaN
6	New Super Mario Bros.	DS	2006.0	Platform	11.28	9.14	6.50	2.88	89.0	8.5	E
7	Wii Play	Wii	2006.0	Misc	13.96	9.18	2.93	2.84	58.0	6.6	E
8	New Super Mario Bros. Wii	Wii	2009.0	Platform	14.44	6.94	4.70	2.24	87.0	8.4	E
9	Duck Hunt	NES	1984.0	Shooter	26.93	0.63	0.28	0.47	NaN	NaN	NaN
10	Nintendogs	DS	2005.0	Simulation	9.05	10.95	1.93	2.74	NaN	NaN	NaN
11	Mario Kart DS	DS	2005.0	Racing	9.71	7.47	4.13	1.90	91.0	8.6	E
12	Pokemon Gold/Pokemon Silver	GB	1999.0	Role-Playing	9.00	6.18	7.20	0.71	NaN	NaN	NaN
13	Wii Fit	Wii	2007.0	Sports	8.92	8.03	3.60	2.15	80.0	7.7	E
14	Kinect Adventures!	X360	2010.0	Misc	15.00	4.89	0.24	1.69	61.0	6.3	E

df.tail(10)

	Name	Platform	Year_of_Release	Genre	NA_sales	EU_sales	JP_sales	Other_sales	Critic_Score	User_Score	Rating
16705	15 Days	PC	2009.0	Adventure	0.00	0.01	0.00	0.0	63.0	5.8	NaN
16706	Men in Black II: Alien Escape	GC	2003.0	Shooter	0.01	0.00	0.00	0.0	NaN	tbd	T
16707	Aiyoku no Eustia	PSV	2014.0	Misc	0.00	0.00	0.01	0.0	NaN	NaN	NaN
16708	Woody Woodpecker in Crazy Castle 5	GBA	2002.0	Platform	0.01	0.00	0.00	0.0	NaN	NaN	NaN
16709	SCORE International Baja 1000: The Official Game	PS2	2008.0	Racing	0.00	0.00	0.00	0.0	NaN	NaN	NaN
16710	Samurai Warriors: Sanada Maru	PS3	2016.0	Action	0.00	0.00	0.01	0.0	NaN	NaN	NaN
16711	LMA Manager 2007	X360	2006.0	Sports	0.00	0.01	0.00	0.0	NaN	NaN	NaN
16712	Haitaka no Psychedelica	PSV	2016.0	Adventure	0.00	0.00	0.01	0.0	NaN	NaN	NaN
16713	Spirits & Spells	GBA	2003.0	Platform	0.01	0.00	0.00	0.0	NaN	NaN	NaN
16714	Winning Post 8 2016	PSV	2016.0	Simulation	0.00	0.00	0.01	0.0	NaN	NaN	NaN

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16715 entries, 0 to 16714
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   Name             16713 non-null  object 
 1   Platform         16715 non-null  object 
 2   Year_of_Release  16446 non-null  float64
 3   Genre            16713 non-null  object 
 4   NA_sales         16715 non-null  float64
 5   EU_sales         16715 non-null  float64
 6   JP_sales         16715 non-null  float64
 7   Other_sales      16715 non-null  float64
 8   Critic_Score     8137 non-null   float64
 9   User_Score       10014 non-null  object 
 10  Rating           9949 non-null   object 
dtypes: float64(6), object(5)
memory usage: 1.4+ MB

 df.describe().T

	count	mean	std	min	25%	50%	75%	max
Year_of_Release	16446.0	2006.484616	5.877050	1980.0	2003.0	2007.00	2010.00	2016.00
NA_sales	16715.0	0.263377	0.813604	0.0	0.0	0.08	0.24	41.36
EU_sales	16715.0	0.145060	0.503339	0.0	0.0	0.02	0.11	28.96
JP_sales	16715.0	0.077617	0.308853	0.0	0.0	0.00	0.04	10.22
Other_sales	16715.0	0.047342	0.186731	0.0	0.0	0.01	0.03	10.57
Critic_Score	8137.0	68.967679	13.938165	13.0	60.0	71.00	79.00	98.00

В данной таблице отражена информация о количество заполнененных строк, и их распределении. Большое количество строк пропущено в в оценке критиков и в даннычх о продажах в каждом регионе. Также много нулевых значений в колонке с продажами.

Прочитали датасет, получили начальную информацию, о содержимом и типах данных. Уже сейчас видны пропуски в каждой колнки, необходимо детальнее изучить пропуски, и принять меры по их заполнению, там где, это возможно, также проверить на другие ошибки.

Предобработка данных

Первое, что сделаем для удобства работы с данными, приведем заголовки к нижнему регистру.

df.columns = df.columns.str.lower()
df.head()

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
0	Wii Sports	Wii	2006.0	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985.0	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008.0	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009.0	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN

Переведём колонки в новые типпы данных, после первичного осмотра данных, начнеи замену с года выпуска, тип данных float переведём в int.

df['year_of_release'].isnull().sum()

269

df.dropna(subset = ['year_of_release'],inplace = True)
df['year_of_release'].isnull().sum()

0

Пропущенных значений с датами мало, допустимо их убрать. После удаления пустых значений, можно год привести к целочисленному числу.

df['year_of_release'] = df['year_of_release'].astype('int')
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16446 entries, 0 to 16714
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16444 non-null  object 
 1   platform         16446 non-null  object 
 2   year_of_release  16446 non-null  int32  
 3   genre            16444 non-null  object 
 4   na_sales         16446 non-null  float64
 5   eu_sales         16446 non-null  float64
 6   jp_sales         16446 non-null  float64
 7   other_sales      16446 non-null  float64
 8   critic_score     7983 non-null   float64
 9   user_score       9839 non-null   object 
 10  rating           9768 non-null   object 
dtypes: float64(5), int32(1), object(5)
memory usage: 1.4+ MB

Две игры остались без имени, их тоже еще допустимо удалить.

df.dropna(subset = ['name'],inplace = True)
df['name'].isnull().sum()
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16444 entries, 0 to 16714
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16444 non-null  object 
 1   platform         16444 non-null  object 
 2   year_of_release  16444 non-null  int32  
 3   genre            16444 non-null  object 
 4   na_sales         16444 non-null  float64
 5   eu_sales         16444 non-null  float64
 6   jp_sales         16444 non-null  float64
 7   other_sales      16444 non-null  float64
 8   critic_score     7983 non-null   float64
 9   user_score       9839 non-null   object 
 10  rating           9768 non-null   object 
dtypes: float64(5), int32(1), object(5)
memory usage: 1.4+ MB

df.head(22)

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
0	Wii Sports	Wii	2006	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN
5	Tetris	GB	1989	Puzzle	23.20	2.26	4.22	0.58	NaN	NaN	NaN
6	New Super Mario Bros.	DS	2006	Platform	11.28	9.14	6.50	2.88	89.0	8.5	E
7	Wii Play	Wii	2006	Misc	13.96	9.18	2.93	2.84	58.0	6.6	E
8	New Super Mario Bros. Wii	Wii	2009	Platform	14.44	6.94	4.70	2.24	87.0	8.4	E
9	Duck Hunt	NES	1984	Shooter	26.93	0.63	0.28	0.47	NaN	NaN	NaN
10	Nintendogs	DS	2005	Simulation	9.05	10.95	1.93	2.74	NaN	NaN	NaN
11	Mario Kart DS	DS	2005	Racing	9.71	7.47	4.13	1.90	91.0	8.6	E
12	Pokemon Gold/Pokemon Silver	GB	1999	Role-Playing	9.00	6.18	7.20	0.71	NaN	NaN	NaN
13	Wii Fit	Wii	2007	Sports	8.92	8.03	3.60	2.15	80.0	7.7	E
14	Kinect Adventures!	X360	2010	Misc	15.00	4.89	0.24	1.69	61.0	6.3	E
15	Wii Fit Plus	Wii	2009	Sports	9.01	8.49	2.53	1.77	80.0	7.4	E
16	Grand Theft Auto V	PS3	2013	Action	7.02	9.09	0.98	3.96	97.0	8.2	M
17	Grand Theft Auto: San Andreas	PS2	2004	Action	9.43	0.40	0.41	10.57	95.0	9	M
18	Super Mario World	SNES	1990	Platform	12.78	3.75	3.54	0.55	NaN	NaN	NaN
19	Brain Age: Train Your Brain in Minutes a Day	DS	2005	Misc	4.74	9.20	4.16	2.04	77.0	7.9	E
20	Pokemon Diamond/Pokemon Pearl	DS	2006	Role-Playing	6.38	4.46	6.04	1.36	NaN	NaN	NaN
21	Super Mario Land	GB	1989	Platform	10.83	2.71	4.18	0.42	NaN	NaN	NaN

df['rating'].value_counts()

E       3921
T       2905
M       1536
E10+    1393
EC         8
K-A        3
RP         1
AO         1
Name: rating, dtype: int64

В колонке с рейтингом, есть пропуски , которые скорее всего они не были проанализированы. Заполнить такое количество пропусков одним значением будет ошибочно.

Пропуски в полонке с пользовательской оценкой могли появится, потому что оценки нет, поэтому заменим их и значения tbd нулями.

df['user_score'] = df['user_score'].fillna(0)

df[df['user_score']==0].tail()

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
16710	Samurai Warriors: Sanada Maru	PS3	2016	Action	0.00	0.00	0.01	0.0	NaN	0	NaN
16711	LMA Manager 2007	X360	2006	Sports	0.00	0.01	0.00	0.0	NaN	0	NaN
16712	Haitaka no Psychedelica	PSV	2016	Adventure	0.00	0.00	0.01	0.0	NaN	0	NaN
16713	Spirits & Spells	GBA	2003	Platform	0.01	0.00	0.00	0.0	NaN	0	NaN
16714	Winning Post 8 2016	PSV	2016	Simulation	0.00	0.00	0.01	0.0	NaN	0	NaN

df['user_score'].value_counts()

0      6605
tbd    2376
7.8     322
8       285
8.2     276
       ... 
1.5       2
1.1       2
1.3       2
9.7       1
0         1
Name: user_score, Length: 97, dtype: int64

df['user_score'] = df['user_score'].replace('tbd',0)
df['user_score'].value_counts()

0      8981
7.8     322
8       285
8.2     276
8.3     252
       ... 
1.1       2
0.3       2
0.7       2
0         1
9.7       1
Name: user_score, Length: 96, dtype: int64

Видна зависимость между оценкой критиков и пользователей, другую зависмость со значением колонки оценка критиков найти не удается, поэтому заменим пропуски также нулями, скорее всего оценка не известна.

df['critic_score'] = df ['critic_score'].fillna(0)

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16444 entries, 0 to 16714
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16444 non-null  object 
 1   platform         16444 non-null  object 
 2   year_of_release  16444 non-null  int32  
 3   genre            16444 non-null  object 
 4   na_sales         16444 non-null  float64
 5   eu_sales         16444 non-null  float64
 6   jp_sales         16444 non-null  float64
 7   other_sales      16444 non-null  float64
 8   critic_score     16444 non-null  float64
 9   user_score       16444 non-null  object 
 10  rating           9768 non-null   object 
dtypes: float64(5), int32(1), object(5)
memory usage: 1.4+ MB

Добавим новый столбец с суммой продаж во всех регионах.

df['sum_sale'] = df['na_sales'] + df['eu_sales'] + df['jp_sales'] + df['other_sales']
df.head()

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating	sum_sale
0	Wii Sports	Wii	2006	Sports	41.36	28.96	3.77	8.45	76.0	8	E	82.54
1	Super Mario Bros.	NES	1985	Platform	29.08	3.58	6.81	0.77	0.0	0	NaN	40.24
2	Mario Kart Wii	Wii	2008	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E	35.52
3	Wii Sports Resort	Wii	2009	Sports	15.61	10.93	3.28	2.95	80.0	8	E	32.77
4	Pokemon Red/Pokemon Blue	GB	1996	Role-Playing	11.27	8.89	10.22	1.00	0.0	0	NaN	31.38

df['user_score'] = df['user_score'].astype('float')
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16444 entries, 0 to 16714
Data columns (total 12 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16444 non-null  object 
 1   platform         16444 non-null  object 
 2   year_of_release  16444 non-null  int32  
 3   genre            16444 non-null  object 
 4   na_sales         16444 non-null  float64
 5   eu_sales         16444 non-null  float64
 6   jp_sales         16444 non-null  float64
 7   other_sales      16444 non-null  float64
 8   critic_score     16444 non-null  float64
 9   user_score       16444 non-null  float64
 10  rating           9768 non-null   object 
 11  sum_sale         16444 non-null  float64
dtypes: float64(7), int32(1), object(4)
memory usage: 1.6+ MB

print(df.duplicated().sum())

0

Привели заголовку к удобному виду, заменили тип данных, где это было необходимо, проработали пропуски. Не все пропуски возможно заполнить на основе данных датасета, поэтому заполнили некоторые нулями, чтобы было удобно совершать арифметические опперации, и какие-то пропуски оставили в датасете.

Исследовательский анализ

display(df.groupby('year_of_release')['name'].count())

year_of_release
1980       9
1981      46
1982      36
1983      17
1984      14
1985      14
1986      21
1987      16
1988      15
1989      17
1990      16
1991      41
1992      43
1993      60
1994     121
1995     219
1996     263
1997     289
1998     379
1999     338
2000     350
2001     482
2002     829
2003     775
2004     762
2005     939
2006    1006
2007    1197
2008    1427
2009    1426
2010    1255
2011    1136
2012     653
2013     544
2014     581
2015     606
2016     502
Name: name, dtype: int64

for years in sorted(df['year_of_release'].unique()):
    fig = px.bar(df.query('year_of_release == @years').pivot_table(index = 'platform',
                                                                   values = 'sum_sale', aggfunc = sum).reset_index(),
                 x = 'platform',y = 'sum_sale', color = 'platform',title = str(years),template = 'plotly_dark')
    fig.show()

Примерно 5 лет выделим в актуальный промежуток времени, примерно в столько лет происходит смена платформы.Как правило плафтормы лидеры не сохраняются на протяжении нескольких лет.

df_actual = df.query('year_of_release >=2011')
df_actual_platform = df_actual.groupby(['platform','year_of_release'])['sum_sale'].sum().reset_index()
df_actual_platform

	platform	year_of_release	sum_sale
0	3DS	2011	63.20
1	3DS	2012	51.36
2	3DS	2013	56.57
3	3DS	2014	43.76
4	3DS	2015	27.78
5	3DS	2016	15.14
6	DS	2011	26.18
7	DS	2012	11.01
8	DS	2013	1.54
9	PC	2011	35.03
10	PC	2012	23.22
11	PC	2013	12.38
12	PC	2014	13.28
13	PC	2015	8.52
14	PC	2016	5.25
15	PS2	2011	0.45
16	PS3	2011	156.78
17	PS3	2012	107.36
18	PS3	2013	113.25
19	PS3	2014	47.76
20	PS3	2015	16.82
21	PS3	2016	3.60
22	PS4	2013	25.99
23	PS4	2014	100.00
24	PS4	2015	118.90
25	PS4	2016	69.25
26	PSP	2011	17.82
27	PSP	2012	7.69
28	PSP	2013	3.14
29	PSP	2014	0.24
30	PSP	2015	0.12
31	PSV	2011	4.63
32	PSV	2012	16.19
33	PSV	2013	10.59
34	PSV	2014	11.90
35	PSV	2015	6.25
36	PSV	2016	4.25
37	Wii	2011	59.65
38	Wii	2012	21.71
39	Wii	2013	8.59
40	Wii	2014	3.75
41	Wii	2015	1.14
42	Wii	2016	0.18
43	WiiU	2012	17.56
44	WiiU	2013	21.65
45	WiiU	2014	22.03
46	WiiU	2015	16.35
47	WiiU	2016	4.60
48	X360	2011	143.84
49	X360	2012	99.74
50	X360	2013	88.58
51	X360	2014	34.74
52	X360	2015	11.96
53	X360	2016	1.52
54	XOne	2013	18.96
55	XOne	2014	54.07
56	XOne	2015	60.14
57	XOne	2016	26.15

for platform in sorted(df_actual_platform['platform'].unique()):
    fig = px.bar(df_actual_platform.query('platform == @platform'), x = 'year_of_release',y = 'sum_sale',
                        title = platform, template = 'plotly_dark')
    fig.show()

Популярность любой платформы, с годами падает, в редких случаев сначала возрастает, но в итоге все равно падает.

df_actual.groupby('platform')['sum_sale'].sum().sort_values(ascending=False).head(3)

platform
PS3     445.57
X360    380.38
PS4     314.14
Name: sum_sale, dtype: float64

Были обнаружены лидеры игоровых платформ за последнии 5 лет.

fig = px.box(df_actual_platform, x = 'platform',y = 'sum_sale', template = 'plotly_dark')
fig.show()

Мы видим, что значения глобальных продаж у платформ почти не имеет выбросов. Теперь возьмем данные за актуальный период по самой популярной платформе PS 3.

df_ps3 = df[(df['platform']=='PS3') & (df['year_of_release']>=2011)]
df_ps3

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating	sum_sale
16	Grand Theft Auto V	PS3	2013	Action	7.02	9.09	0.98	3.96	97.0	8.2	M	21.05
34	Call of Duty: Black Ops II	PS3	2012	Shooter	4.99	5.73	0.65	2.42	83.0	5.3	M	13.79
37	Call of Duty: Modern Warfare 3	PS3	2011	Shooter	5.54	5.73	0.49	1.57	88.0	3.2	M	13.33
69	Call of Duty: Ghosts	PS3	2013	Shooter	4.10	3.63	0.38	1.25	71.0	2.6	M	9.36
81	FIFA Soccer 13	PS3	2012	Action	1.06	5.01	0.13	1.97	88.0	6.6	E	8.17
...	...	...	...	...	...	...	...	...	...	...	...	...
16628	Akatsuki no Goei Trinity	PS3	2012	Adventure	0.00	0.00	0.01	0.00	0.0	0.0	NaN	0.01
16638	Tour de France 2014	PS3	2014	Sports	0.00	0.01	0.00	0.00	0.0	0.0	E	0.01
16674	Tsukigime Ranko's Longest Day	PS3	2014	Action	0.00	0.01	0.00	0.00	0.0	0.0	NaN	0.01
16691	Dynasty Warriors: Eiketsuden	PS3	2016	Action	0.00	0.00	0.01	0.00	0.0	0.0	NaN	0.01
16710	Samurai Warriors: Sanada Maru	PS3	2016	Action	0.00	0.00	0.01	0.00	0.0	0.0	NaN	0.01

708 rows × 12 columns

df_ps3.corr()

	year_of_release	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	sum_sale
year_of_release	1.000000	-0.151349	-0.096637	-0.058354	-0.103186	-0.398094	-0.222644	-0.123980
na_sales	-0.151349	1.000000	0.837404	0.336445	0.875382	0.360210	0.255010	0.937887
eu_sales	-0.096637	0.837404	1.000000	0.357487	0.979257	0.271789	0.186047	0.968964
jp_sales	-0.058354	0.336445	0.357487	1.000000	0.362607	0.167173	0.155719	0.438093
other_sales	-0.103186	0.875382	0.979257	0.362607	1.000000	0.291919	0.206101	0.978086
critic_score	-0.398094	0.360210	0.271789	0.167173	0.291919	1.000000	0.791748	0.324330
user_score	-0.222644	0.255010	0.186047	0.155719	0.206101	0.791748	1.000000	0.229875
sum_sale	-0.123980	0.937887	0.968964	0.438093	0.978086	0.324330	0.229875	1.000000

fig = px.scatter(df_actual, x = 'sum_sale', y = 'user_score', color = 'platform',
                 title = 'Корреляция цены в зав-ти от оценки пользователя по платформам', template = 'plotly_dark')
fig.show()

Можно сделать вывод, что продажи слабо зависят от оценки пользователей и критиков, вне зависимости от платформы о которой идет речь.

df_actual['genre'].unique()

array(['Action', 'Shooter', 'Role-Playing', 'Racing', 'Platform', 'Misc',
       'Simulation', 'Sports', 'Fighting', 'Adventure', 'Puzzle',
       'Strategy'], dtype=object)

fig = px.line(df_actual.pivot_table(index = ['genre','year_of_release'], values = 'sum_sale',aggfunc = 'sum').reset_index(),
             x = 'year_of_release', y = 'sum_sale',color = 'genre',title = 'Продажи разных жанров',template = 'plotly_dark')
fig.show()

Посмотрев продажи игр за актуальный период, можно наблюдать спад продаж игр всех жанров, однако самый продаваемы жанр Action, а самый менее продаваемый Puzzle.

Портрет пользователя каждого региона

df_region = df_actual.pivot_table(index = 'platform',values = ['na_sales','eu_sales','jp_sales'],aggfunc = 'sum').reset_index()

df_na = df_region.loc[:,['platform','na_sales']]
df_na.sort_values('na_sales',ascending = False).head()

	platform	na_sales
10	X360	226.80
4	PS3	168.26
5	PS4	108.74
11	XOne	93.12
0	3DS	82.65

df_eu = df_region.loc[:,['platform','eu_sales']]
df_eu.sort_values('eu_sales',ascending = False).head()

	platform	eu_sales
4	PS3	163.10
5	PS4	141.09
10	X360	117.10
0	3DS	61.27
2	PC	56.70

df_jp = df_region.loc[:,['platform','jp_sales']]
df_jp.sort_values('jp_sales',ascending = False).head()

	platform	jp_sales
0	3DS	100.62
4	PS3	49.39
6	PSP	24.04
7	PSV	21.84
5	PS4	15.96

В зависимотси от региона топ 5 платформ по продажам разные.

df_region_genre = df_actual.pivot_table(index = 'genre',values = ['na_sales','eu_sales','jp_sales'],aggfunc = 'sum').reset_index()
df_na_genre = df_region_genre.loc[:,['genre','na_sales']]
df_na_genre.sort_values('na_sales',ascending = False).head()

	genre	na_sales
0	Action	230.92
8	Shooter	194.43
10	Sports	108.70
7	Role-Playing	83.78
3	Misc	69.69

df_eu_genre = df_region_genre.loc[:,['genre','eu_sales']]
df_eu_genre.sort_values('eu_sales',ascending = False).head()

	genre	eu_sales
0	Action	199.12
8	Shooter	148.02
10	Sports	88.48
7	Role-Playing	62.30
6	Racing	40.58

df_jp_genre = df_region_genre.loc[:,['genre','jp_sales']]
df_jp_genre.sort_values('jp_sales',ascending = False).head()

	genre	jp_sales
7	Role-Playing	79.87
0	Action	63.62
3	Misc	17.60
2	Fighting	12.38
4	Platform	12.13

По жанрам в Северной Америке и Европе топ жанров одинаковый, а в Японии популярный другие жанры.

Проверка гипотез

Сначала проверим гипотезу : средние пользовательские рейтинги платформ Xbox One и PC одинаковые. Сформулируем нулевую(H0) и альтернативную гипотезу(H1):

• H0 : средние пользовательские рейтинги платформ Xbox One и PC не равны;
• H1 : средние пользовательские рейтинги платформ Xbox One и PC равны.

alpha = 0.05  

results = st.ttest_ind(df_actual.query('platform == "XOne"')['user_score'], df_actual.query('platform == "PC"')['user_score'])

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print('Отвергаем нулевую гипотезу')
else:
    print('Не получилось отвергнуть нулевую гипотезу') 

p-значение: 0.24758279963021285
Не получилось отвергнуть нулевую гипотезу

Рейтинги пользователей двух платформ равны.

Средние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») разные.

• H0: cредние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») равны.
• H1: cредние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») не равны.

alpha = 0.05  

results = st.ttest_ind(df_actual.query('genre == "Action"')['user_score'], df_actual.query('genre == "Sports"')['user_score'])

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print('Отвергаем нулевую гипотезу')
else:
    print('Не получилось отвергнуть нулевую гипотезу')

p-значение: 0.8873490835057937
Не получилось отвергнуть нулевую гипотезу

Проверив второе предположение делаем вывод, что рейтинги двух представленных жанров разные.

Вывод

В ходе работы с данным датасетом установили:

1. Каждая платформа с годами теряет в продажах.
2. В среднем примерно 5 лет платфориы остаются актуальными.
3. Значение продаж не зависит от оценок пользователей и критиков.
4. Продажи по жанрам тоже падают со временем, однако лидером продаж является Action.
5. В каждом регионе свом вкусы на игровые платформы и жанры, однако:

• популярные жанры в европе и Америки сопадают, но отличаются от популярных жанров в Японии
• популярные игровые платформы в каждом регионе расположились на разных позициях в топе.

1. Выяснили, что пользовательские рейтинги платформ Xbox и PC не отличаются, то есть можно судить о том, что игры одинаково оцениваются пользователями на разных платформах.
2. Средние пользовательские рейтинги Action и Sports равны.

Для того, чтобы сделать все эти вывовды было необходимо: провести ознакомительный осмотр данных, найти ошибки в типах данных и пропуски, навести порядок в датасете, установить верный тип данных, заменить пропуски(по возможности),проверить на дубликаты, провести исследовательский анализ, понять что происходит с жанрами и платформами с течением времени, проверить предполоэения, проведя статистический анлиз.